周偉娟 鐘偉 張禮學(xué)

(1 中國(guó)電子科技集團(tuán)公司 第三十四研究所,廣西 桂林 541004;2 陸軍裝備部駐柳州地區(qū)軍代室,廣西 柳州 545000)

隨著強(qiáng)化學(xué)習(xí)、深度學(xué)習(xí)等機(jī)器學(xué)習(xí)算法的強(qiáng)勁發(fā)展，微電子、計(jì)算機(jī)和數(shù)字化技術(shù)的廣泛應(yīng)用，以機(jī)器學(xué)習(xí)為主要實(shí)現(xiàn)途徑的人工智能技術(shù)已在國(guó)防武器裝備發(fā)展中嶄露頭角，解決了智能環(huán)境感知、輔助決策、控制執(zhí)行領(lǐng)域中的一系列難題。人工智能的廣泛應(yīng)用對(duì)裝備性能提升起到了巨大的推動(dòng)作用，有力地推進(jìn)了裝備由機(jī)械化信息化向智能化發(fā)展。人工智能技術(shù)與裝備的緊密結(jié)合是未來(lái)裝備發(fā)展的大趨勢(shì)。目前，以美國(guó)為首的軍事強(qiáng)國(guó)正大力加強(qiáng)在人工智能裝備領(lǐng)域的投資，并采取行政干預(yù)、經(jīng)濟(jì)制裁、科技脫鉤等一切手段打壓其他國(guó)家在這方面的發(fā)展，力圖維持其在該領(lǐng)域的非對(duì)稱(chēng)優(yōu)勢(shì)。經(jīng)過(guò)提前布局和多年的發(fā)展，中國(guó)在人工智能領(lǐng)域取得了長(zhǎng)足發(fā)展，在許多方面都可以與美媲美。軟件測(cè)試作為軟件質(zhì)量“衛(wèi)士”，在軟件的整個(gè)生命周期中起著非常重要的作用。但是當(dāng)前針對(duì)人工智能裝備的軟件測(cè)試技術(shù)研究已明顯滯后于人工智能技術(shù)在武器裝備研發(fā)和生產(chǎn)中的應(yīng)用速度。目前已公開(kāi)的關(guān)于人工智能軟件測(cè)試的研究文獻(xiàn)比較少，許多人工智能項(xiàng)目的軟件測(cè)試工作仍對(duì)標(biāo)傳統(tǒng)軟件測(cè)試方法進(jìn)行，忽視了人工智能軟件獨(dú)有的特點(diǎn)和質(zhì)量形成規(guī)律，效率低且效果差，對(duì)其理論進(jìn)行研究需求迫切[1]。為此，本文先對(duì)人工智能裝備軟件的新特點(diǎn)進(jìn)行總結(jié)，再對(duì)現(xiàn)在軟件開(kāi)發(fā)過(guò)程中的常見(jiàn)問(wèn)題進(jìn)行梳理，接著分析人工智能裝備給軟件測(cè)試帶來(lái)的新挑戰(zhàn)，最后從“體系+測(cè)試”強(qiáng)化軟件測(cè)試綜合評(píng)價(jià)等六方面提出提升人工智能裝備軟件測(cè)試效能的對(duì)策措施。

1 人工智能裝備軟件的新特點(diǎn)

人工智能裝備是集智能環(huán)境感知、信息處理、輔助決策、人機(jī)交互和控制執(zhí)行等多種高新技術(shù)于一體并深度融合的裝備。雖然其也由軟硬件組成，但其軟件特性已與傳統(tǒng)裝備的軟件有很大區(qū)別，掌握人工智能裝備軟件的新特點(diǎn)是提升軟件測(cè)試效能的前提和基礎(chǔ)。

1.1 軟件功能突出

具備較強(qiáng)的自主能力，能夠?qū)崿F(xiàn)智能感知、智能決策、智能行動(dòng)、智能保障是人工智能裝備區(qū)別于傳統(tǒng)裝備的最大特征，而實(shí)現(xiàn)這些功能的最大貢獻(xiàn)來(lái)源于其功能強(qiáng)大的系統(tǒng)軟件。在人工智能裝備的軟硬件構(gòu)成中，軟件占比大且功能突出主要體現(xiàn)在兩方面：一是軟件代碼規(guī)模大，軟件開(kāi)發(fā)工作量大且周期長(zhǎng)，占用成本高；二是與傳統(tǒng)裝備不同，人工智能裝備在環(huán)境感知、信息融合、方向決策、行動(dòng)執(zhí)行等方面的自主功能的實(shí)現(xiàn)均深深依賴(lài)于系統(tǒng)軟件功能的正常發(fā)揮。部分裝備如具有認(rèn)知功能的數(shù)字化雷達(dá)的開(kāi)發(fā)模式正逐步由“以硬件技術(shù)為核心”轉(zhuǎn)向“以軟件技術(shù)為核心”[2]。

1.2 嵌入式軟件與硬件強(qiáng)耦合

人工智能裝備軟件大多以嵌入式為主，如智能導(dǎo)彈的導(dǎo)航制導(dǎo)部件，無(wú)人運(yùn)載車(chē)的智能感知部件等，其功能實(shí)現(xiàn)離不開(kāi)系統(tǒng)軟硬件的緊密配合。軟件成為系統(tǒng)的重要組成部分，有些甚至是部件功能實(shí)現(xiàn)的關(guān)鍵部分。一旦軟件因質(zhì)量問(wèn)題發(fā)生錯(cuò)誤，就會(huì)導(dǎo)致硬件系統(tǒng)工作異常，甚至造成災(zāi)難性后果[3-4]。與此相對(duì)應(yīng)，軟件的附著體硬件會(huì)隨著其所處環(huán)境(如溫濕度、振動(dòng)、電磁場(chǎng)等)變化，在某些方面發(fā)生性能變化(如晶振的時(shí)間漂移、電壓的變大或減小等)，而這些變化都會(huì)作為一種輸入通過(guò)接口直接進(jìn)入軟件系統(tǒng)，影響軟件功能的正常發(fā)揮。

1.3 需要學(xué)習(xí)訓(xùn)練和可成長(zhǎng)

人工智能算法的靈感來(lái)源于人類(lèi)大腦皮層的工作機(jī)制、生物群體的集群覓食遷徙活動(dòng)模擬等，其通過(guò)構(gòu)建一些參數(shù)靠日常學(xué)習(xí)訓(xùn)練而不是嚴(yán)密邏輯推理的數(shù)學(xué)模型來(lái)實(shí)現(xiàn)。這就決定了該類(lèi)型模型的有效實(shí)現(xiàn)離不開(kāi)大量的學(xué)習(xí)訓(xùn)練，系統(tǒng)功能的強(qiáng)弱與其所經(jīng)歷的訓(xùn)練場(chǎng)景息息相關(guān)。且由于學(xué)習(xí)是一個(gè)漫長(zhǎng)而無(wú)止境的過(guò)程，因此人工智能裝備性能的提升需要反復(fù)迭代，具有可成長(zhǎng)性。其可以在與研發(fā)者、用戶(hù)和電磁等外部環(huán)境的互動(dòng)過(guò)程中使其自身性能得到提升。

1.4 與大數(shù)據(jù)、物聯(lián)網(wǎng)聯(lián)系緊密

人工智能技術(shù)的發(fā)展與大數(shù)據(jù)、物聯(lián)網(wǎng)的發(fā)展聯(lián)系緊密，大數(shù)據(jù)、物聯(lián)網(wǎng)技術(shù)的發(fā)展為人工智能技術(shù)在裝備上的應(yīng)用提供了堅(jiān)實(shí)基礎(chǔ)，而人工智能技術(shù)的發(fā)展也為大數(shù)據(jù)、物聯(lián)網(wǎng)的發(fā)展應(yīng)用提供了強(qiáng)有力的支撐，但這也給軟件測(cè)試增加了運(yùn)行場(chǎng)景更加多元化、需要檢測(cè)的功能增多等許多需要考慮的因素[5]。

2 軟件開(kāi)發(fā)過(guò)程常見(jiàn)問(wèn)題

隨著軟件規(guī)模和復(fù)雜度的迅速增加，軟件質(zhì)量已成為人工智能裝備中風(fēng)險(xiǎn)最大的部分。據(jù)統(tǒng)計(jì)我國(guó)裝備軟件交付驗(yàn)收時(shí)缺陷發(fā)現(xiàn)率約為6.65(千行代碼缺陷數(shù))[6]。如按每年交付定型1 000萬(wàn)行計(jì)，數(shù)以十萬(wàn)計(jì)的軟件缺陷潛伏在已驗(yàn)收裝備中，風(fēng)險(xiǎn)之大可想而知。從統(tǒng)計(jì)情況看，目前軟件開(kāi)發(fā)過(guò)程常見(jiàn)問(wèn)題有以下幾方面。

2.1 需求分析不到位

在需求分析階段沒(méi)有充分地與裝備總體、裝備硬件等相關(guān)部分進(jìn)行有效溝通，純粹從自身的經(jīng)驗(yàn)和理解出發(fā)，形成相應(yīng)的軟件需求，從而導(dǎo)致軟件的需求僅針對(duì)軟件自身的功能，缺少?gòu)挠脩?hù)的角度、基于任務(wù)剖面的需求分析，從而導(dǎo)致需求分析不到位，甚至導(dǎo)致錯(cuò)誤的需求[7]。

2.2 軟件設(shè)計(jì)編碼倒置

先編碼再補(bǔ)設(shè)計(jì)文檔，使得軟件質(zhì)量完全依賴(lài)編碼人員的個(gè)人能力。如在最初編碼時(shí)沒(méi)有考慮到可測(cè)性、復(fù)用性要求，則無(wú)法產(chǎn)生高質(zhì)量軟件。后補(bǔ)的軟件設(shè)計(jì)文檔大多是由軟件代碼直接“翻譯”過(guò)來(lái)，很少包含軟件架構(gòu)的整體設(shè)計(jì)思路，導(dǎo)致后期軟件維護(hù)的時(shí)候，其他人員很難通過(guò)軟件設(shè)計(jì)文檔理解軟件的整體邏輯，從而增加維護(hù)成本。

2.3 質(zhì)量保證實(shí)施力度弱

承制單位在軟件質(zhì)量保證能力建設(shè)上參差不齊，人員配備或數(shù)量不足或質(zhì)量不夠。質(zhì)量評(píng)審流于形式，無(wú)法發(fā)現(xiàn)深層次的需求邏輯或設(shè)計(jì)問(wèn)題。軟件測(cè)試不規(guī)范、測(cè)試時(shí)機(jī)滯后、測(cè)試深度不夠，無(wú)法發(fā)現(xiàn)有價(jià)值的軟件問(wèn)題。對(duì)于評(píng)審、測(cè)試發(fā)現(xiàn)的相關(guān)問(wèn)題，沒(méi)有很好的機(jī)制督促研制單位及時(shí)閉環(huán)。

此外，在意識(shí)層面：一是目前對(duì)軟件研制的管理一般依附于硬件研制，且節(jié)點(diǎn)往往落后于硬件研制，導(dǎo)致關(guān)鍵控制節(jié)點(diǎn)與實(shí)際研制進(jìn)度脫節(jié)。二是部分軟件尚未單獨(dú)審價(jià)，研發(fā)單位對(duì)其投入不夠，導(dǎo)致軟件質(zhì)量文化缺乏。軟件工程化管理水平不高，僅僅注重功能的實(shí)現(xiàn)，對(duì)軟件質(zhì)量和可靠性重視不夠。三是質(zhì)量監(jiān)督管理隊(duì)伍中，軟件專(zhuān)業(yè)人才較少，對(duì)軟件項(xiàng)目管理、文檔編制、編程技術(shù)等方面存在“先天性不足”。更不用說(shuō)對(duì)算法選擇科學(xué)性、時(shí)序設(shè)計(jì)合理性、接口參數(shù)匹配性、模塊集成性、軟件復(fù)用性等方面進(jìn)行審核和監(jiān)督[8-9]。

軟件測(cè)試隨軟件開(kāi)發(fā)的誕生而產(chǎn)生，是軟件開(kāi)發(fā)生命中的重要過(guò)程之一。常根據(jù)軟件任務(wù)書(shū)、軟件需求和軟件規(guī)格說(shuō)明書(shū)等編寫(xiě)一系列測(cè)試用例來(lái)驗(yàn)證軟件產(chǎn)品性能，從而保證其質(zhì)量。是一種審核比較輸入與輸出的過(guò)程，是為了發(fā)現(xiàn)錯(cuò)誤而運(yùn)行程序的過(guò)程[10]。據(jù)統(tǒng)計(jì)，隨著軟件產(chǎn)品復(fù)雜性的增加，軟件測(cè)試需花費(fèi)掉一半甚至更多的軟件開(kāi)發(fā)成本。

3 人工智能裝備給軟件測(cè)試帶來(lái)的新挑戰(zhàn)

3.1 軟件故障占比增多，且呈隨機(jī)性分布

與傳統(tǒng)機(jī)械化信息化裝備相比，人工智能裝備由于軟件占比大，軟件引發(fā)的故障數(shù)在系統(tǒng)故障中的比例越來(lái)越大。且軟件作為研發(fā)人員的精神產(chǎn)物，沒(méi)有物理實(shí)體，不會(huì)自然變化，但容易人為變更。因其是腦力勞動(dòng)，是無(wú)形的、不可見(jiàn)，難以控制。其系統(tǒng)的數(shù)據(jù)模型一般為離散型，輸入空間巨大，關(guān)聯(lián)關(guān)系復(fù)雜。故障一般由特定輸入觸發(fā)，無(wú)物理原因，無(wú)失效前兆，需要在無(wú)限的測(cè)試輸入空間中通過(guò)適當(dāng)?shù)臏y(cè)試方法選取合適的輸入進(jìn)行測(cè)試，才可能找出潛在的軟件缺陷。必須采取相異的冗余設(shè)計(jì)才能提高可靠性，必須修改源代碼才能修復(fù)故障，但同時(shí)容易引入新問(wèn)題，且故障沒(méi)有明顯的規(guī)律性，過(guò)程較復(fù)雜。

3.2 人工智能算法具有不可解釋性，結(jié)果有效性難驗(yàn)證

人工智能算法具有邏輯性不強(qiáng)、算法訓(xùn)練規(guī)律難掌握和結(jié)果有效性難驗(yàn)證的特點(diǎn)[11]。人工智能算法并不遵循傳統(tǒng)的編程規(guī)則，而是通過(guò)機(jī)器學(xué)習(xí)算法模型直接從大量數(shù)據(jù)中進(jìn)行學(xué)習(xí)訓(xùn)練來(lái)固化模型參數(shù)。對(duì)于設(shè)計(jì)人員來(lái)說(shuō)，這實(shí)際上就類(lèi)似一個(gè)“黑箱”，計(jì)算機(jī)程序員可以查看機(jī)器學(xué)習(xí)的輸出結(jié)果，了解結(jié)果的正誤情況，但要理解系統(tǒng)為什么會(huì)得出某種結(jié)論，尤其是預(yù)測(cè)故障，則相當(dāng)具有挑戰(zhàn)性。此外，隨著機(jī)器學(xué)習(xí)算法功能的更加強(qiáng)大，其能處理的事件也更為復(fù)雜，但這些都伴隨著算法模型規(guī)模的不斷擴(kuò)大。規(guī)模的擴(kuò)大會(huì)導(dǎo)致有越來(lái)越多的問(wèn)題結(jié)果讓人感覺(jué)迷惑不解，算法中存在的部分“反直覺(jué)、奇怪的”漏洞不容易察覺(jué)和排除。

3.3 測(cè)試環(huán)境復(fù)雜、實(shí)時(shí)性要求高

大數(shù)據(jù)存在體量大、多樣性和變化快的特性，而物聯(lián)網(wǎng)實(shí)現(xiàn)了萬(wàn)物互聯(lián)互通，再加上裝備自身的軟硬件結(jié)合緊密等特點(diǎn)，使得軟件測(cè)試面臨著復(fù)雜的測(cè)試環(huán)境，給測(cè)試數(shù)據(jù)準(zhǔn)備和測(cè)試數(shù)據(jù)組合帶來(lái)巨大工作量，對(duì)測(cè)試過(guò)程的實(shí)時(shí)性提出了很高要求。如何驗(yàn)證數(shù)據(jù)的一致性、齊備性和完整性， 需要開(kāi)發(fā)相應(yīng)的工具。對(duì)系統(tǒng)的安全性、可伸縮性、可擴(kuò)展性、協(xié)同感知等需要進(jìn)行驗(yàn)證。要對(duì)系統(tǒng)多樣化的應(yīng)用場(chǎng)景進(jìn)行充分的測(cè)試，需要對(duì)用戶(hù)應(yīng)用環(huán)境以及應(yīng)用方式等做一系列科學(xué)合理的假設(shè)[12-13]。

4 提升人工智能裝備軟件測(cè)試效能的對(duì)策

4.1 “體系+測(cè)試”，強(qiáng)化軟件測(cè)試綜合評(píng)價(jià)

人工智能算法的邏輯性不強(qiáng)和軟件故障的隨機(jī)性特點(diǎn)決定了提高軟件質(zhì)量水平一靠設(shè)計(jì)開(kāi)發(fā)過(guò)程符合規(guī)范要求，使得過(guò)程的策劃和實(shí)施都能得到充分的論證和考核。二靠充分有效的測(cè)試，其能通過(guò)功能、邊界、異常、接口和安全性等方面的測(cè)試盡早盡多的發(fā)現(xiàn)軟件中存在的問(wèn)題。因此，采用“體系+測(cè)試”的綜合評(píng)價(jià)方法既能使程序開(kāi)發(fā)者的開(kāi)發(fā)過(guò)程做到規(guī)范標(biāo)準(zhǔn)，又可以在充分的測(cè)試下最大程度發(fā)現(xiàn)軟件存在的問(wèn)題。要在裝備承制單位中大力推廣GJB5000A軟件能力成熟度模型，不斷督促其提升等級(jí)水平，并根據(jù)其取得的認(rèn)證范圍和等級(jí)水平來(lái)分配合同任務(wù)。在人工智能裝備型號(hào)研制項(xiàng)目的試驗(yàn)總案中，要根據(jù)其軟件承擔(dān)任務(wù)的重要程度將其分為關(guān)鍵軟件、重要軟件和一般軟件。根據(jù)其來(lái)源劃分為新研軟件、改進(jìn)軟件和沿用軟件(含貨架軟件)，并采取不同的測(cè)試策略。對(duì)既是關(guān)重軟件又是新研或改進(jìn)類(lèi)軟件要加強(qiáng)關(guān)注。應(yīng)前移第三方軟件測(cè)試工作介入關(guān)口，并要求進(jìn)行驗(yàn)證測(cè)試、鑒定測(cè)評(píng)和軟件能力評(píng)估。此外，在軟件測(cè)試工作策劃時(shí)要加強(qiáng)風(fēng)險(xiǎn)預(yù)判和過(guò)程思維，將軟件測(cè)試過(guò)程融入方案設(shè)計(jì)、開(kāi)發(fā)調(diào)試、學(xué)習(xí)訓(xùn)練和使用完善的全壽命過(guò)程中。將事前預(yù)防工作提到和事后測(cè)試驗(yàn)證同等重要位置，提前發(fā)現(xiàn)問(wèn)題隱患并采取控制措施，從根上提升軟件質(zhì)量。

4.2 拓展手段，智能化測(cè)試場(chǎng)景和用例的生成

巨大的數(shù)據(jù)量、多樣化的應(yīng)用環(huán)境和極高的實(shí)時(shí)性要求，使得開(kāi)發(fā)一種能夠?qū)θ斯ぶ悄苎b備軟件進(jìn)行智能化測(cè)試的工具成為迫切。當(dāng)然，這里的智能化測(cè)試涵蓋了測(cè)試需求分析、測(cè)試策劃、測(cè)試分析、測(cè)試設(shè)計(jì)與實(shí)現(xiàn)、測(cè)試執(zhí)行、質(zhì)量度量、測(cè)試過(guò)程監(jiān)控與評(píng)估和測(cè)試結(jié)果評(píng)估等全流程的智能化。一是智能化測(cè)試用例生成。要利用人工智能技術(shù)根據(jù)約束要求自動(dòng)生成大量測(cè)試用例，充分吸收借鑒軟件測(cè)試專(zhuān)家積累的經(jīng)驗(yàn)知識(shí)，豐富專(zhuān)家系統(tǒng)，并使用優(yōu)化算法進(jìn)行挑選形成最佳測(cè)試用例集。二是多樣化測(cè)試手段。實(shí)景測(cè)試具有最真實(shí)的現(xiàn)實(shí)代表性，但其容易受限于安全性、復(fù)雜度、成本和效益等約束。許多時(shí)候，需要基于半實(shí)物以及仿真等手段構(gòu)建相應(yīng)的測(cè)試環(huán)境。仿真測(cè)試可解決實(shí)景測(cè)試場(chǎng)景不夠豐富，操作者素質(zhì)、熟練程度不一致等因素影響。其能根據(jù)測(cè)試項(xiàng)目需要利用圖像合成、 參數(shù)化重組等進(jìn)一步加工豐富測(cè)試場(chǎng)景內(nèi)容， 從而生成合適復(fù)雜度的虛擬環(huán)境。純仿真模型的軟件測(cè)試有著成本低、場(chǎng)景可反復(fù)、細(xì)節(jié)易調(diào)節(jié)的特點(diǎn)，但也存在可靠性高度依賴(lài)模擬傳感器和環(huán)境模型準(zhǔn)確性的缺陷。主要用于在物理原型出現(xiàn)之前，其能在系統(tǒng)層面上驗(yàn)證和優(yōu)化相關(guān)模塊和功能的設(shè)計(jì)。三是基于體系能力統(tǒng)籌裝備試驗(yàn)和軟件測(cè)試條件建設(shè)。要加強(qiáng)裝備數(shù)字化模型的構(gòu)建工作，通過(guò)漸進(jìn)式、螺旋式的迭代開(kāi)發(fā)不斷提升模型逼真度。要充分利用立體空間偵察、測(cè)量和重構(gòu)，智能生成試驗(yàn)環(huán)境，并形成測(cè)試環(huán)境場(chǎng)景數(shù)據(jù)庫(kù)。以模型、算法、算力為建設(shè)核心，實(shí)裝和仿真互補(bǔ)一體化推進(jìn)、縮短周期成本。要將測(cè)試工作融入裝備演習(xí)演練中，讓數(shù)實(shí)相互驗(yàn)證，避免缺要素導(dǎo)致環(huán)境復(fù)雜度不夠[14]。

4.3 整合資源，一體化硬件試驗(yàn)和軟件測(cè)試

萬(wàn)物互聯(lián)、嵌入式軟件與硬件的強(qiáng)耦合性使得傳統(tǒng)將軟件測(cè)試完全獨(dú)立于硬件和工作環(huán)境的做法在進(jìn)行人工智能裝備軟件測(cè)試時(shí)不再可行。要加強(qiáng)該類(lèi)型裝備的軟硬件一體化測(cè)試考核。有機(jī)融合第三方軟件測(cè)評(píng)和基地試驗(yàn)等考核環(huán)節(jié)，減少一些重復(fù)的同質(zhì)化測(cè)試，增加部分聯(lián)合測(cè)試項(xiàng)目。讓施加的極限(溫度、濕度、震動(dòng)、鹽霧、電磁)環(huán)境應(yīng)力條件在考核硬件時(shí)也作為輸入考核系統(tǒng)軟件，同時(shí)讓軟件測(cè)試的大范圍輸入加強(qiáng)硬件考核的充分性。此外，當(dāng)整機(jī)系統(tǒng)進(jìn)行極限環(huán)境考核存在測(cè)試環(huán)境建設(shè)不足、試驗(yàn)成本過(guò)高等制約時(shí)，應(yīng)加強(qiáng)人工智能裝備關(guān)鍵組件的極限環(huán)境考核測(cè)試。

4.4 甄別質(zhì)量，加強(qiáng)開(kāi)源軟件測(cè)評(píng)

人工智能裝備的軟件規(guī)模巨大，對(duì)其進(jìn)行開(kāi)發(fā)、調(diào)試和測(cè)試是一項(xiàng)巨大工程。開(kāi)源軟件的出現(xiàn)簡(jiǎn)化了分工合作模式，可大大減輕程序員的開(kāi)發(fā)負(fù)擔(dān)，是加快軟件開(kāi)發(fā)進(jìn)程的有效捷徑。但開(kāi)源軟件多采用分布式協(xié)作開(kāi)發(fā)模式，其開(kāi)發(fā)過(guò)程具有參與者眾多、層次參差不齊等特點(diǎn)。在開(kāi)源軟件社區(qū)，很多軟件開(kāi)發(fā)人員都是因?yàn)榕d趣愛(ài)好而參與到一起的，軟件的開(kāi)發(fā)過(guò)程無(wú)法像商業(yè)軟件那樣安排專(zhuān)業(yè)的第三方軟件測(cè)試團(tuán)隊(duì)對(duì)其進(jìn)行全方位測(cè)試。開(kāi)源軟件的測(cè)試工作大多是在使用者運(yùn)行程序時(shí)進(jìn)行，存在著測(cè)試不全面、問(wèn)題反饋不及時(shí)不齊全等問(wèn)題。此外，使用開(kāi)源軟件進(jìn)行二次開(kāi)發(fā)容易脫節(jié)軟件原來(lái)的開(kāi)發(fā)路線。這些都使得在對(duì)人工智能裝備的軟件進(jìn)行測(cè)試時(shí)需要加強(qiáng)開(kāi)源軟件質(zhì)量測(cè)評(píng)。要利用靜態(tài)代碼分析工具對(duì)軟件代碼進(jìn)行全面分析，要積極關(guān)注該軟件已產(chǎn)生缺陷的深層次原因，要對(duì)開(kāi)源社區(qū)中該開(kāi)源軟件開(kāi)發(fā)人員留下的活動(dòng)蹤跡進(jìn)行仔細(xì)分析評(píng)估[11,15]。

4.5 注重積累，圍繞可成長(zhǎng)性開(kāi)展訓(xùn)練和測(cè)試

智能化裝備智能特性的可成長(zhǎng)決定了其軟件在研發(fā)階段要經(jīng)歷反復(fù)訓(xùn)練和測(cè)試，需要有大規(guī)模的訓(xùn)練和測(cè)試數(shù)據(jù)。而生產(chǎn)、使用和維護(hù)階段，人工智能裝備將在不同的環(huán)境中使用，其又能產(chǎn)生大量可促進(jìn)其智能特性提升的數(shù)據(jù)，因此圍繞可成長(zhǎng)性開(kāi)展性能測(cè)試勢(shì)在必行。人工智能應(yīng)用程序地對(duì)大數(shù)據(jù)具有較大依賴(lài)性、隨機(jī)性的輸入/輸出、難以預(yù)測(cè)所有應(yīng)用場(chǎng)景和需要從過(guò)去的行為中不斷自我學(xué)習(xí)成長(zhǎng)等特點(diǎn)決定了智能化裝備在開(kāi)發(fā)和測(cè)試過(guò)程中均需用到大量數(shù)據(jù)，而且這些數(shù)據(jù)的質(zhì)量將直接影響裝備開(kāi)發(fā)和測(cè)試的有效性驗(yàn)證質(zhì)量。因此，負(fù)責(zé)智能化裝備的承研單位和負(fù)責(zé)重要智能化裝備的軟件測(cè)試機(jī)構(gòu)應(yīng)盡早結(jié)合自身研發(fā)和測(cè)試需求建立自己獨(dú)立的專(zhuān)業(yè)訓(xùn)練和測(cè)試數(shù)據(jù)庫(kù)。此外，在日常工作中，要對(duì)研發(fā)單位、生產(chǎn)制造部門(mén)、使用客戶(hù)、維修保養(yǎng)單位以及軟件測(cè)試機(jī)構(gòu)等的人工智能裝備性能數(shù)據(jù)的采集、分析與存儲(chǔ)過(guò)程的齊備性、完整性以及標(biāo)準(zhǔn)化、規(guī)范化問(wèn)題進(jìn)行統(tǒng)一，以方便數(shù)據(jù)能在各部門(mén)之間進(jìn)行共享。

4.6 信息閉環(huán)，強(qiáng)化裝備數(shù)據(jù)的分析和運(yùn)用

由于人工智能裝備系統(tǒng)能力是動(dòng)態(tài)可提升的，因此其軟件測(cè)試過(guò)程是一項(xiàng)持續(xù)周期長(zhǎng)的活動(dòng)，也決定了其測(cè)試過(guò)程中不能照本宣科的用機(jī)械化信息化尺子去衡量人工智能裝備。裝備的智能化要求軟件測(cè)試過(guò)程中必須不斷提升數(shù)據(jù)分析運(yùn)用能力，只有對(duì)軟件運(yùn)行過(guò)程中的狀態(tài)和質(zhì)量數(shù)據(jù)進(jìn)行實(shí)時(shí)采集、系統(tǒng)分析并加以充分利用，才能讓人工智能裝備在信息數(shù)據(jù)的閉環(huán)管理中不斷學(xué)習(xí)訓(xùn)練并拓展能力。一是要精準(zhǔn)采集數(shù)據(jù)。要充分利用自動(dòng)化智能化監(jiān)控和檢測(cè)設(shè)備，實(shí)時(shí)準(zhǔn)確采集人工智能裝備在研發(fā)、生產(chǎn)、使用、維護(hù)等各環(huán)節(jié)的運(yùn)行環(huán)境、運(yùn)行狀態(tài)數(shù)據(jù)。精準(zhǔn)識(shí)別有用信息，并保證數(shù)據(jù)完整、準(zhǔn)確、規(guī)范。二是要有效應(yīng)用數(shù)據(jù)。要將當(dāng)前采集到的數(shù)據(jù)與裝備科研樣機(jī)、歷史批次的學(xué)習(xí)訓(xùn)練數(shù)據(jù)進(jìn)行對(duì)比分析并深入挖掘。要使用數(shù)值分布、包絡(luò)分析和SPC等統(tǒng)計(jì)分析方法，及時(shí)發(fā)現(xiàn)離群、異常數(shù)據(jù)，對(duì)過(guò)程控制的異常行為做出預(yù)警。這些閉環(huán)信息的有效利用既可為人工智能裝備的軟件性能升級(jí)改進(jìn)提供訓(xùn)練數(shù)據(jù)，實(shí)現(xiàn)性能參數(shù)的及時(shí)優(yōu)化，又可為軟件測(cè)試綜合評(píng)價(jià)提供決策支撐。

5 結(jié)束語(yǔ)

未來(lái)，人工智能裝備將是戰(zhàn)場(chǎng)上的主力軍，其可代替戰(zhàn)士在戰(zhàn)場(chǎng)上沖鋒陷陣，有效減輕戰(zhàn)爭(zhēng)中的人員傷亡。但其也存在著因自身設(shè)計(jì)論證、試驗(yàn)測(cè)試不充分等問(wèn)題而發(fā)生工作異常甚至是“臨陣倒戈”的風(fēng)險(xiǎn)，因此加強(qiáng)人工智能裝備軟硬件性能測(cè)試方法研究迫在眉睫。隨著人工智能技術(shù)的繼續(xù)進(jìn)步，分布式、強(qiáng)協(xié)同的群智能技術(shù)將會(huì)是發(fā)展方向[16]。人工智能裝備的軟件測(cè)試也必然朝著云化、分布式、服務(wù)化、自動(dòng)化、智能化方向發(fā)展。面對(duì)人工智能裝備軟件測(cè)試提出的新挑戰(zhàn)，要加強(qiáng)頂層設(shè)計(jì)謀劃，提前做好人才培養(yǎng)、技術(shù)和數(shù)據(jù)儲(chǔ)備等工作。要不斷摸索更為有效的軟件測(cè)試方法和測(cè)試手段，不斷開(kāi)發(fā)功能強(qiáng)大、實(shí)時(shí)性高的自動(dòng)化智能化測(cè)試設(shè)備。要不斷總結(jié)人工智能裝備軟件質(zhì)量的形成規(guī)律，找出關(guān)鍵控制點(diǎn)，讓軟件測(cè)試工作的開(kāi)展更加有效。